Fuori dalla bolla!

Ho avuto occasione di incontrare Telmo Pievani a Camogli lo scorso settembre e di ascoltare il suo intervento al Festival della Comunicazione dove ha presentato il suo ultimo libro, "Se non c’eri, non c’ero", scritto a quattro mani con il nefrologo Giuseppe Remuzzi. Telmo ci accompagna in un viaggio attraverso le circostanze, spesso imprevedibili, che hanno reso possibile la nostra esistenza. La storia della vita è infatti il risultato dell’intreccio fra leggi naturali, casualità e cooperazione: ciò che siamo dipende infatti anche da organismi ed individui senza i quali non saremmo qui, una prospettiva che invita a riflettere sul valore delle relazioni e sulla responsabilità che accompagna le capacità acquisite nel corso dell’evoluzione.

Quando questa riflessione incontra l’intelligenza artificiale e la medicina, la domanda diventa particolarmente interessante: cosa accade quando una tecnologia sviluppata dall’uomo comincia ad affiancarlo in una delle attività più delicate della nostra società, e cioè prendersi cura degli altri?

Nel capitolo "Meglio ChatGPT o il tuo dottore?" in cui Pievani e Remuzzi ricordano quanto scritto da Eric Topol, famoso cardiologo e ricercatore statunitense, emerge un tema attualissimo: l’AI potrebbe contribuire a rendere la medicina più precisa e nello stesso tempo più umana. Sembra un paradosso, soprattutto se pensiamo ad una professione nella quale l'ascolto, l'esperienza e la relazione personale sono da sempre elementi essenziali, eppure è proprio questa la tesi sviluppata da Topol nel suo libro "Deep Medicine" pubblicato nel 2019. (1) La tecnologia, sostiene l'autore, potrebbe liberare i medici da una parte delle incombenze che oggi assorbono il loro tempo consentendo a questi ultimi di dedicarsi maggiormente ai pazienti; tuttavia, avverte, questa possibilità dipende da come sceglieremo di utilizzare le nuove tecnologie. La questione dunque non è soltanto che cosa l'AI sappia fare, ma pure cosa vogliamo conservare della professione medica nell'era delle macchine.

Sono trascorsi alcuni anni dalla pubblicazione e nel frattempo l'AI generativa ha fatto passi importanti entrando anche negli ambulatori e negli ospedali; le sue capacità hanno ampliato le prospettive immaginate da Topol ma nello stesso tempo hanno reso più evidenti i problemi che la sua visione ottimistica deve affrontare.

E' lecito a questo punto porsi la domanda se l'AI possa davvero rendere più umana la medicina oppure rischi di renderla semplicemente più efficiente.

Per rispondere occorre mettere a confronto le promesse, le critiche e le prime evidenze disponibili.

Uno degli ambiti nei quali l'intelligenza artificiale ha da tempo mostrato risultati promettenti è l'analisi delle immagini mediche: radiografie, tomografie, risonanze magnetiche, immagini della retina e preparati istologici contengono informazioni che gli algoritmi possono imparare a riconoscere attraverso l'addestramento su grandi quantità di dati. In alcune applicazioni questi sistemi raggiungono prestazioni comparabili a quelle di professionisti esperti, in altre possono contribuire ad individuare anomalie che meritano ulteriori accertamenti.

Tuttavia questo non significa assolutamente che una macchina sia "diventata un medico"; riconoscere una configurazione associata ad una patologia è ben diverso dall'integrare sintomi, anamnesi, esami, terapie e condizioni personali per formulare una diagnosi completa.

Il contributo dell'AI può estendersi anche alla prevenzione: integrando informazioni genetiche, molecolari, cliniche e ambientali, i sistemi di apprendimento automatico possono aiutare ad individuare persone esposte a rischi maggiori ed a riconoscere segnali precoci di alcune malattie. È la prospettiva di una medicina sempre più personalizzata, capace di adattare gli interventi alle caratteristiche del singolo paziente.

Ma attenzione: una probabilità non è una certezza così come una correlazione statistica non dimostra necessariamente un rapporto causale. La previsione è utile soltanto se contribuisce a prendere decisioni cliniche migliori.

Qui si inserisce una prima obiezione alla fiducia nella tecnologia: le prestazioni di un algoritmo non coincidono automaticamente con il beneficio per il paziente. Un sistema può funzionare bene durante una sperimentazione e rivelarsi meno affidabile quando viene utilizzato in ospedali, popolazioni o condizioni differenti. Servono quindi validazioni indipendenti, controlli periodici e studi che dimostrino non soltanto l'accuratezza diagnostica, ma anche gli effetti sulle cure e sugli esiti clinici. La medicina del resto dispone già di un metodo per affrontare queste questioni: la verifica empirica. Non dovrebbe quindi applicare all'AI criteri meno rigorosi di quelli utilizzati per farmaci, dispositivi e procedure diagnostiche.

La riflessione di Topol diventa significativa quando si consideri la quotidianità della professione medica: il medico deve ascoltare, visitare, interpretare gli esami, formulare ipotesi, discutere le alternative terapeutiche ed assumersi la responsabilità delle decisioni. A queste attività si aggiunge una quantità crescente di lavoro amministrativo - cartelle cliniche, referti, prescrizioni, documentazione e procedure informatiche - e il rischio che ne consegue è che lo strumento destinato a sostenere la cura finisca per sottrarre tempo alla cura stessa. Il medico si trova sempre più spesso ad interagire con uno schermo mentre il paziente cerca di raccontare la propria storia.

L'intelligenza artificiale generativa potrebbe contribuire a cambiare questa situazione: ad esempio potrebbe trascrivere il report di una visita, riassumere una cartella clinica, organizzare le informazioni e preparare bozze di documenti. Il professionista deve comunque controllare i risultati perché questi sistemi possono omettere dettagli, introdurre errori oppure produrre affermazioni apparentemente plausibili ma infondate.

La promessa è concreta, meno tempo per la burocrazia e più tempo per le persone: la tecnologia, secondo Topol, potrebbe contribuire a recuperare l'umanità della medicina assumendosi una parte del lavoro che oggi ostacola la relazione fra medico e paziente.

Tuttavia non esiste alcuna garanzia che il tempo risparmiato venga effettivamente restituito alle persone: un'organizzazione sanitaria potrebbe infatti utilizzarlo per aumentare il numero delle visite senza concedere più tempo a ciascun paziente, dunque l'automazione potrebbe rendere il sistema più produttivo senza renderlo più umano. Chi beneficerà dunque del tempo liberato dall'AI? Il paziente, il medico o l'istituzione che gestisce il servizio sanitario?

La domanda non è secondaria: se la produttività aggiuntiva diventa soltanto un obiettivo economico la promessa di Topol potrebbe essere rovesciata, invece di restituire umanità alla medicina, la tecnologia potrebbe consentire di comprimere ulteriormente i tempi della relazione clinica.

Le prime sperimentazioni offrono indicazioni interessanti ma non autorizzano sinora a conclusioni definitive. Uno studio randomizzato condotto su 238 medici ambulatoriali e pubblicato su NEJM AI nel novembre 2025 (2) ha confrontato due sistemi di trascrizione e documentazione automatica: mentre il primo ha visto ridotto del 9,5% il tempo medio dedicato alla compilazione delle note rispetto al gruppo di controllo, il secondo non ha mostrato una riduzione statisticamente significativa. Entrambi hanno suggerito possibili miglioramenti in alcuni indicatori di benessere professionale, tuttavia gli autori hanno sottolineato la necessità di studi più ampi e multicentrici. Sono state inoltre segnalate imprecisioni che richiedono una verifica da parte del medico.

Si tratta comunque di un risultato importante proprio perché ridimensiona le generalizzazioni: non basta affermare " l'AI fa risparmiare tempo", occorre piuttosto verificare quale strumento lo faccia, in quale contesto e con quali conseguenze.

Un'altra questione riguarda la natura delle capacità dell'intelligenza artificiale.

I sistemi di apprendimento automatico possono individuare regolarità statistiche estremamente complesse, combinare migliaia di variabili e riconoscere associazioni che sfuggirebbero facilmente all'analisi umana, ma da queste capacità non discende automaticamente una comprensione causale dei fenomeni biologici. Un modello può individuare una combinazione di parametri associata ad un rischio elevato senza essere in grado di spiegare completamente il meccanismo che collega quei parametri alla malattia. Prevedere e spiegare sono obiettivi differenti.

Questo non significa che un algoritmo sia inutile quando non può offrire una spiegazione completa del proprio funzionamento: anche la medicina tradizionale incontra fenomeni biologici complessi che non sono ancora pienamente compresi: una previsione affidabile può essere clinicamente utile anche prima che tutti i meccanismi coinvolti siano chiariti. Il punto decisivo è stabilire quali risultati siano verificabili, quali limiti siano noti e quali controlli siano necessari prima di affidare ad un sistema una decisione clinica.

Con l'arrivo dei modelli generativi il problema assume una nuova dimensione: questi sistemi possono infatti formulare risposte articolate, sintetizzare informazioni e suggerire ipotesi diagnostiche in linguaggio naturale. La fluidità della risposta potrebbe indurre a sopravvalutarne l'affidabilità: una spiegazione convincente non è necessariamente corretta.

Il rischio connesso è quello che viene chiamato automation bias, la tendenza a fidarsi eccessivamente dell'indicazione automatizzata, soprattutto quando il professionista è stanco, dispone di poco tempo o non possiede competenze sufficienti per verificarla.

L'obiezione non è che il medico sia sempre più affidabile della macchina (anche gli esseri umani commettono errori e possono essere condizionati da pregiudizi), il problema è che l'errore umano e quello algoritmico hanno origini diverse e richiedono controlli differenti.

La competenza del medico del futuro dovrà quindi comprendere anche la capacità di interrogare criticamente il sistema, riconoscere le situazioni nelle quali può fallire e decidere quando non utilizzarne le indicazioni. In questo senso l'AI non elimina la necessità del giudizio professionale, anzi: può renderlo ancora più importante.

Esiste poi una dimensione della medicina che non può essere ridotta alla precisione di una previsione.

Ad esempio, due persone affette dalla stessa malattia possono avere priorità molto diverse: un trattamento che prolunga la sopravvivenza può essere desiderabile per un paziente ed inaccettabile per un altro a seconda degli effetti collaterali, delle condizioni personali e della qualità della vita che ciascuno vuole preservare. La decisione clinica non consiste soltanto nell'individuare l'intervento che produce in media il risultato migliore, ma richiede di comprendere che cosa quel risultato significhi per la persona che dovrà viverne le conseguenze.

Un sistema artificiale può aiutare a confrontare terapie, stimare probabilità e presentare informazioni complesse, ma alla fine la scelta deve tenere conto dei valori, delle paure e delle preferenze del paziente, e per farlo occorrono dialogo, ascolto e capacità di comunicare l'incertezza. L'empatia non è un ornamento della medicina, qualcosa da aggiungere dopo aver completato il lavoro scientifico, ma parte della cura stessa perché influenza la fiducia, la comprensione delle indicazioni terapeutiche e la possibilità di affrontare insieme decisioni difficili.

Su questo punto la prospettiva di Topol incontra una difficoltà interessante: se la macchina può simulare una conversazione empatica, rispondere con sensibilità apparente ed offrire un sostegno verbale, dobbiamo considerare questo risultato sufficiente?

La risposta dipende anche da ciò che intendiamo per empatia: un sistema può riconoscere segnali linguistici di sofferenza e produrre una risposta appropriata senza che questo dimostri un'esperienza soggettiva del dolore altrui, ma non sarebbe corretto neppure negare ogni utilità ad una risposta artificiale solo perché non proviene da una persona perché, quanto meno in alcune circostanze, un'interfaccia accessibile e disponibile può offrire informazioni o un primo sostegno.

La distinzione essenziale è fra fornire un aiuto circoscritto e sostituire una relazione clinica: un chatbot può spiegare una procedura, ricordare indicazioni o aiutare a formulare domande da rivolgere al medico ma non dovrebbe assolutamente essere confuso con un professionista capace di assumersi la responsabilità della cura, valutare ogni conseguenza ed accompagnare una persona nelle decisioni più difficili.

La tecnologia può sostenere la relazione umana ma non si deve dar per scontato che la riproduzione convincente del linguaggio della cura equivalga alla cura stessa.

La visione di Topol non è l'unica possibile: le istituzioni sanitarie ed i ricercatori che studiano l'AI clinica insistono su questioni che ne complicano il quadro quali sicurezza, equità, riservatezza, trasparenza e responsabilità.

L'OMS (Organizzazione Mondiale della Sanità) nelle proprie linee guida sui modelli generativi e multimodali in ambito sanitario riconosce le potenzialità di queste tecnologie ma nello stesso tempo richiama l'attenzione sui rischi di informazioni errate, distorsioni nei dati, violazioni della riservatezza ed uso improprio dei risultati. Sottolinea inoltre la necessità di una governance che mantenga al centro gli interessi delle persone. (3)

Il problema dei dati è poi particolarmente importante: se alcune popolazioni sono scarsamente rappresentate negli archivi utilizzati per l'addestramento il sistema potrebbe funzionare peggio proprio per quei pazienti (un'elevata accuratezza complessiva potrebbe infatti nascondere differenze significative fra gruppi).

La riservatezza è altrettanto delicata: le informazioni sanitarie richiedono adeguate garanzie di protezione, accesso e utilizzo.

Esiste poi il problema della responsabilità: se un algoritmo suggerisce una diagnosi errata occorre chiarire le responsabilità di chi sviluppa il sistema, di chi decide di adottarlo e del professionista che lo utilizza.

Queste obiezioni non dimostrano che l'AI debba essere esclusa dalla medicina, mostrano piuttosto perché non sia possibile affidarsi al solo entusiasmo tecnologico. La vera differenza fra un approccio scientifico ed uno promozionale consiste proprio nella disponibilità a verificare le promesse, riconoscere gli insuccessi e modificare le proprie conclusioni alla luce delle prove.

A questo punto emerge una questione che va oltre le applicazioni specifiche: quale ruolo avrà il medico quando l'intelligenza artificiale sarà capace di svolgere un numero crescente di attività cognitive?

Una prima risposta, vicina alla prospettiva di Topol, è che la tecnologia dovrebbe potenziare il professionista. Il medico disporrà di strumenti più efficaci per raccogliere informazioni, formulare ipotesi, confrontare trattamenti e riconoscere rischi. Il suo valore non scomparirà, ma si sposterà progressivamente verso l'integrazione delle informazioni, il giudizio clinico e la relazione con il paziente.

Una posizione più critica osserva invece che questa transizione non è garantita: se le organizzazioni considerano l'AI soprattutto uno strumento per ridurre i costi, alcune competenze potrebbero essere marginalizzate e le decisioni potrebbero diventare più dipendenti da sistemi difficili da controllare. Il medico rischierebbe allora di trasformarsi da decisore in supervisore formale di procedure progettate altrove.

Esiste anche una terza possibilità, che la diffusione dell'AI renda necessaria una nuova distribuzione delle competenze. Alcune attività potrebbero essere automatizzate, altre affidate a personale specializzato e altre ancora mantenute sotto il controllo diretto del medico. Non sarebbe necessariamente una sostituzione, ma una trasformazione dell'organizzazione del lavoro.

La questione decisiva è capire quali responsabilità non possano essere delegate e quali nuove competenze debbano essere insegnate.

Il medico dovrà conoscere non soltanto la propria disciplina ma anche i limiti dei sistemi che utilizza, le condizioni in cui le loro indicazioni sono valide e i modi in cui possono introdurre errori.

La formazione medica, di conseguenza, dovrà cambiare: non basterà insegnare a usare un software, servirà sviluppare la capacità di valutare le evidenze, interpretare le probabilità, riconoscere i conflitti fra raccomandazioni e condizioni individuali e mantenere un atteggiamento critico verso l'autorità apparente delle macchine.

La riflessione di Topol ci porta infine a una domanda più ampia: che cosa vogliamo ottenere dall'intelligenza artificiale?

Se l'obiettivo fosse soltanto aumentare la produttività potremmo accontentarci di elaborare più dati, compilare più documenti ed assistere più pazienti nello stesso intervallo di tempo. Ma la produttività non coincide necessariamente con la qualità, così come la rapidità di una diagnosi non garantisce da sola una cura migliore.

Il contributo di Topol consiste nell'aver indicato una possibilità concreta: usare le capacità delle macchine per recuperare tempo, migliorare le decisioni e restituire centralità alla relazione fra medico e paziente.

Gli sviluppi successivi non hanno cancellato questa prospettiva ma hanno mostrato che la sua realizzazione dipende da condizioni scientifiche, organizzative ed etiche molto precise. L'intelligenza artificiale può contribuire ad individuare anomalie, anticipare alcuni rischi, supportare il ragionamento clinico ed alleggerire il lavoro amministrativo, ma ogni vantaggio deve essere dimostrato nel contesto in cui viene utilizzato ed ogni sistema deve poter essere controllato e corretto. La medicina del futuro non sarà necessariamente più umana solo perché disporrà di strumenti più intelligenti; potrà diventarlo se sceglieremo di utilizzare questi strumenti per migliorare la cura, anziché limitarsi a rendere più efficiente la sua organizzazione.

Torniamo allora alla riflessione da cui siamo partiti, quella di Pievani e Remuzzi: la nostra esistenza è il risultato di una storia nella quale cooperazione e relazioni hanno avuto un ruolo decisivo. Anche la medicina è una forma di cooperazione: fra conoscenze scientifiche, professionisti, istituzioni e persone che affidano ad altri la propria salute. L'intelligenza artificiale entra in questa rete come una nuova capacità, costruita dall'uomo e destinata a modificarne il lavoro. La sfida non consiste nel negarne il valore né nell'attribuirle poteri che non ha, ma nel decidere quale posto debba occupare.

Il successo dell'intelligenza artificiale in medicina non si misurerà da quanto diventeranno intelligenti le macchine, ma da quanto sapremo migliorare la cura delle persone.

Note:

(1) Vedi Eric J. Topol: "Deep Medicine: how Artificial Intelligence can make healthcare human again" Basic Books 2019 e "High-performance medicine: the convergence of human and artificial intelligence” Nature Medicine 2019.

(2) Vedi Paul J. Lukac et al., "Ambient AI Scribes in Clinical Practice: A Randomized Trial", NEJM AI, 2025.

(3) Vedi World Heath Organisation "Ethics and governance of artificial intelligence for health: guidance on large multi-modal models", 2024

Fuori dalla bolla!

contatore visite

mercoledì 14 ottobre 2026

Elenco posts

Il medico ai tempi dell'intelligenza artificiale: Eric Topol ed il futuro della cura.

Elenco posts

Segnala una violazione